fix a typo in lang-model.md (#388)

chapter_recurrent-neural-networks/lang-model.md

@@ -24,7 +24,7 @@ $$\mathbb{P}(w_1, w_2, w_3, w_4) =  \mathbb{P}(w_1) \mathbb{P}(w_2 \mid w_1) \ma
 
 ## $N$元语法
 
-当序列长度增加时，计算和存储多个词共同出现的概率会指数增加。$N$元语法通过马尔可夫假设（虽然并不一定成立）简化了语言模型的计算。马尔可夫假设是指一个词的出现至于前面$n$个词相关，即$n$阶马尔可夫假设。如果$n=1$，那么我们有$\mathbb{P}(w_3 \mid w_1, w_2) = \mathbb{P}(w_3 \mid w_2)$。如果基于$n-1$阶马尔可夫假设，我们将语言模型改写为
+当序列长度增加时，计算和存储多个词共同出现的概率会指数增加。$N$元语法通过马尔可夫假设（虽然并不一定成立）简化了语言模型的计算。马尔可夫假设是指一个词的出现只与前面$n$个词相关，即$n$阶马尔可夫假设。如果$n=1$，那么我们有$\mathbb{P}(w_3 \mid w_1, w_2) = \mathbb{P}(w_3 \mid w_2)$。如果基于$n-1$阶马尔可夫假设，我们将语言模型改写为
 
 $$\mathbb{P}(w_1, w_2, \ldots, w_T) \approx \prod_{t=1}^T \mathbb{P}(w_t \mid w_{t-(n-1)}, \ldots, w_{t-1}) .$$